Embed Size (px)
Citation preview
2
モデル化のアプローチ
f(x1,x2, ..)
x1
x2
・・・y y
全体挙動型 要素分解型
Source：Landgley A. 1999. Strategies for theorizing from process data, Academy of Management Review, 24 (4): 691-710.
x1
x2
・・・
過去に観測された対象の挙動と影響因子の対応関係をモデル化
過去の履歴が必要。Data-driven。気象、経済性、行動などの影響を包括的
に反映することができる。モデル構築が比較的容易。
システム内部の挙動を再現。需要への分解。システムの構造の理解が前提。
過去の履歴は不要。部分的変化の効果を推計可能。構造的な変化も想定可能。
とらえきれない需要がある。比較的合理的挙動が想定されることが多い。外れ値×。
3
機器稼動機器稼動生活行為時間配分生活行為時間配分
機器操作機器操作エネルギー消費（電力日負荷曲線）エネルギー消費（電力日負荷曲線）
処理負荷処理負荷
機器電力消費仕様・性能
機器電力消費仕様・性能
生理的要求生理的要求
家庭内の役割家庭内の役割
仕事・学業の拘束仕事・学業の拘束
個人・家族の要求個人・家族の要求
生活行為要求
生活行為要求
生活習慣生活習慣
自然環境影響自然環境影響
行為選好行為選好利用知識利用知識
経験・規範経験・規範
操作選好操作選好
電力価格・契約影響
タイマータイマー
機器稼動仕様機器稼動仕様
自然環境影響自然環境影響
機器仕様機器仕様
住宅熱・照明負荷住宅熱・照明負荷稼動設定稼動設定
機器所有機器所有
可処分所得と配分可処分所得と配分
所有選好所有選好
機器調整能力機器調整能力
行為<->機器操作行為<->機器操作行為要求<->行為行為要求<->行為 機器操作<->稼動機器操作<->稼動
調整能力調整能力人的要因人的要因
直接要因直接要因
所有必要性所有必要性
物的要因物的要因
家族での機器・空間共有・配分
家族での機器・空間共有・配分
電力価格・契約影響
自然環境影響自然環境影響
住宅仕様・立地住宅仕様・立地
室内環境（熱・光）室内環境（熱・光）
気象・自然条件（気温、日射量、湿度、天候）
生み出されるサービス・快適性
光・熱・空気質機能・情報
調整シグナル（ DRなど）
省エネルギーに係る施策
系統周波数制御
電力需給運用
配電システム電圧制御
分散型電源発電量
可制御負荷
電力需要
季節別・時刻別
色分けの意味
経験によるサービス・快適性欲求の変化
住宅のエネルギー需要のモデル化手法エネルギー需要のモデル化における空間スケール １世帯・コミュニティ・都市圏・国
トップダウン vs ボトムアップ エネルギー需要の挙動 ⇔ システムの挙動
用途への分解能・動的挙動・多様性 主たるモデルの特徴
Grandjean, A., Adnot, J., & Binet, G. (2012). A review and an analysis of the residential electric load curve models. Renewable and Sustainable Energy Reviews, 16(9), 6539–6565. http://doi.org/10.1016/j.rser.2012.08.013
Grandjeanら(2012)による電力需要モデルの分類
機器エネルギー消費モデルの分類
エネルギー消費そのものの動的挙動の再現 計測データに基づいて機器のエネルギー消費の挙動をそのまま再現する。
正しい挙動を示す。
機器の稼働 → エネルギー消費 機器稼働とエネルギー消費を切り離すことで、両者の変化の効果を別々に反映
することができる。
生活行為 → 機器操作 → 機器稼働 → エネルギー消費 行為の変化や各要素間に存在する自由度を考慮することができる。
行為、行為と操作の関係を表すデータが不足している。 5
機器操作機器の状態
1. 時刻
2. 起床在宅人数
3. 生活行為
機器の設定
エネルギー消費
エネルギー消費の動的挙動の再現
Kobus et al. (2015), Klaassen et al.(2016a) Klaassen et al. (2016b) オランダで実証試験。1年間にわたりダイナミック電力料金とスマート家電の使
用実績を計測。効果は継続。夕方から昼間へのシフトを確認。自動制御（オートDR）を使用したほうがシフトが大きい。
6Kobus, C. B. A., Klaassen, E. A. M., Mugge, R., & Schoormans, J. P. L. (2015). A real-life assessment on the effect of smart appliances for shifting householdsʼ electricity demand. Applied Energy, 147, 335‒343. http://doi.org/10.1016/j.apenergy.2015.01.073
機器の稼働 → エネルギー消費機器の稼働 → エネルギー消費 機器稼働とエネルギー消費を切り離すことで、両者の変化の効果を別々に反映
することができる。
Time of use probability 計測データに基づいて、時刻別に稼働する確率を算出。
Armstrong et al. JBPS 2008, Ortiz et al. Energy and Buildings 2014, Gruber et al. Electric Power and Energy Systems 2014, Fisher et al. Energy and Buildings 2015, Aydinalp-Koksal et al., Applied Energy 2015
7
生活行為データ：社会生活基本調査（生活時間調査）
生活時間データから統計情報を取得。
平成18年度調査の個票を取得。回答者属性情報あり。
調査票Ａ（20行為種別，20万人），調査票Ｂ（自由記述。85種，1万人） 8
生活行為→機器操作→機器稼働
Time use data（生活時間データ） 時間の使い方に関する統計調査。
日本ではNHKと統計局社会生活基本調査
マルコフ連鎖による行為モデル 個人の行為を推計するモデル（Widen，2009）
世帯における行為を推計するモデル（Richardson, 2009）
9
生活行為に伴う機器の操作
10
=行為の生起
機器稼働の生起
jm
mml
lljjj
j xxtp
tp
0)(1)(
log
操作確率
操作確率回帰モデル
洗濯行為と洗濯機の操作の関係（アンケート調査の集計結果：女性） 生活行為データと機器の使用が一致していない。
データの利用可能性にモデルの仕様・精度が依存してしまう。
0
0.1
0.2
0.3
0.4
0.5
0.6
00:00 06:00 12:00 18:00
Pa(t
)
T ime of day
アイロンをかける
洗濯物をたたむ
洗濯物を取り込む
乾燥
洗濯物を干す
洗濯機の使用
手洗い
0%
20%
40%
60%
80%
00:00 06:00 12:00 18:00
洗濯
機操
作確
率
（Wilkeのモデル：xlは過去の行為のダミー変数、Zmは属性のダミー変数）
家族の相互作用のモデル化生活時間データを利用した考慮（各構成員をモデル化する場合） 「一緒にいた人」データを使用することができる。シェアの確率を考慮。
家族を単位として行為をモデル化 Richardson et al. (2009)
11
Adam J. Collin et al. (IEEE Transactions on Power Systems 2014)
社会生活基本調査（生活時間調査）
時間解像度の増加
時間解像度の変更
機器の消費電力特性を考慮して稼働時間数に変換
稼働時刻はタイムステップ内でランダムに選択
12Borg & Kelly (Energy and Buildings 2011)
Archetype Engineering ModelSwan et al. 2009
手順 ストックの類型化
類型代表モデルの作成
シミュレーションによる原単位推計（世帯等単位ユニット当たりの需要量）
原単位×ユニット数エネルギー需要定量化
特徴 建物単位でエネルギー需要が
決定される構造が再現される
ストック・世帯の構成が反映される
13
James Pittam et al. Energy Procedia 62: 704-713, 2014
下田研エネルギー需要モデルの推計精度近畿地方の家庭部門電力需要推計結果 スマートメータデータ（1237世帯の平均）と比較
中間期：ベース電力の不足 24時間換気システムの普及率の設定が過小である可能性 微小な機器の消費電力や待機電力が未考慮である可能性 エネルギー多消費型世帯の存在
14
0.00.10.20.30.40.50.60.70.80.91.01.1
0:00
6:00
12:0
018
:00
0:00
6:00
12:0
018
:00
0:00
6:00
12:0
018
:00
0:00
6:00
12:0
018
:00
0:00
6:00
12:0
018
:00
0:00
6:00
12:0
018
:00
0:00
6:00
12:0
018
:00
電⼒需要
[kW
/世帯
]
冷房暖房照明厨房家電テレビ冷蔵庫未特定分計測データ
70W
0.00.10.20.30.40.50.60.70.80.91.01.1
0:00
6:00
12:0
018
:00
0:00
6:00
12:0
018
:00
0:00
6:00
12:0
018
:00
0:00
6:00
12:0
018
:00
0:00
6:00
12:0
018
:00
0:00
6:00
12:0
018
:00
0:00
6:00
12:0
018
:00
電⼒需要
[kW
/世帯
]
冷房暖房照明厨房家電テレビ冷蔵庫未特定分計測データ
10/15(月) 10/16(火) 10/17(水) 10/18(木) 10/19(金) 10/20(土) 10/21(日)
70W計測データ（1237軒の平均）
下田研エネルギー需要モデルの推計精度近畿地方の家庭部門電力需要推計結果 スマートメータデータ（1237世帯の平均）と比較
夏期：気温の上昇に伴う電力需要の変化を再現 特に気温の高い日の夜（20時頃）のピーク需要が過小 休日の朝から午後の再現性に課題（居住者行動が原因？）
15
0.00.10.20.30.40.50.60.70.80.91.01.1
0:00
6:00
12:0
018
:00
0:00
6:00
12:0
018
:00
0:00
6:00
12:0
018
:00
0:00
6:00
12:0
018
:00
0:00
6:00
12:0
018
:00
0:00
6:00
12:0
018
:00
0:00
6:00
12:0
018
:00
電⼒需要
[kW
/世帯
]
冷房暖房照明厨房家電テレビ冷蔵庫未特定分計測データ
7/23(月) 7/24(火) 7/25(水) 7/26(木) 7/27(金) 7/28(土) 7/29(日)
世帯間のばらつきの評価ばらつきの過少推計 多消費世帯、少消費世帯の未考慮
属性間の関係の未考慮
夜間の過少推計 生活時間データと実態のかい離による
気象影響・イベントの未考慮 気象等が生活行為に及ぼす影響
16
0100200300400500600700800900
1,000
0:00
2:00
4:00
6:00
8:00
10:0
012
:00
14:0
016
:00
18:0
020
:00
22:0
00:
002:
004:
006:
008:
0010
:00
12:0
014
:00
16:0
018
:00
20:0
022
:00
0:00
5/13 (Fri.) 5/14 (Sat.)
電⼒消費
[W]
HEMSデータシミュレーション
0
5
10
15
20
25
30
35
0~15
0015
00~2
000
2000
~250
025
00~3
000
3000
~350
035
00~4
000
4000
~450
045
00~5
000
5000
~550
055
00~6
000
6000
~650
065
00~7
000
7000
~
割合
[%]
年間電⼒消費量[kWh]
HEMSデータシミュレーション
17
ボトムアップ型エネルギー需要モデルにおいて何がわかって何がわからないのか？
f(x1,x2, ..)
x1
x2
・・・y y
x1
x2
・・・
ボトムアップ型のエネルギー需要モデルの進展 手法自体はおおむね確立されてきた。
部分的情報（検証的研究）から需要全体での効果・影響を推計する。
エネマネ分野への応用が期待される。
課題１ エネルギー消費が決定される構造の理解 モデルの前提はシステムの内部構造が理解されていること。
直接要因（生活行為、機器操作、機器所有等）と間接要因の関係分析が必要。
ライフスタイル、費用、気象など、わかっていないことが多い。
全体挙動型 要素分解型
ボトムアップ型エネルギー需要モデルにおいて何がわかって何がわからないのか？
課題２ 実データ・全体挙動型研究との統合 実データとの統合。不足するデータを補うパラメータ校正法。ビックデータ活用。
これまで十分に明らかになっていない領域：気象やエネルギー価格への応答。
課題３ 都市・地域・国への拡張、「ひと」の扱いの高度化 国際的にも広域での推計では「需要〇％減」という想定がされるのが一般的。
モデルの仕様が利用可能データに依存する。
サンプルの代表性に課題。
人、世帯の類型化：階層性の考慮が必要だが、未整備。
交通モデルとの統合。ゲーム、AI、など。 18
機器操作機器の状態
1. 時刻
2. 起床在宅人数
3. 生活行為
機器の設定
エネルギー消費
世帯構成住宅等
業務部門エネルギー需要モデルの開発
19
0
2
4
6
8
10
12
14
0 1 2 3 4 5 6 7 8 9 1011121314151617181920212223
電力
需要
[GW
]
時刻
事務所2千㎡未満 事務所2万㎡未満 事務所_2万㎡以上ビジネスホテル 多機能ホテル 診療所病院 コンビニ 食料品スーパー総合店舗 その他小売 飲食店大学 高校 中学校小学校 関電ピーク需要
①実態把握
建築ストック類型化代表建物モデルシミュレーション
近畿圏積み上げ× ×
時間
近畿
圏時
刻別
Ｅ消
費量
業務施設ストックデータベースの構築• 建築設備仕様：熱源システム• 建物の使われ方：建物のフロア用途構成、建物利用時間
年間エネルギー消費実態
データ分析
②モデル開発
データベースの検証・再構築（設備ストック、設備稼働状況） EnergyPlus（米国DOC）をモデルエンジンとして利用。 家庭部門と同様の機能を持つように開発中
